التعقب السريع باستخدام مرشحات الارتباط متعددة النواة

المترجمون المعتمدون في مجال التكنولوجيا، والذين يعملون بشكل خاص على ترجمة التقارير والتوصيات العلمية إلى اللغة العربية، يُقدمون النص المترجم أدناه وفقًا للمعايير المحددة:تعتبر متابِّعات المرشحات ذات الارتباط (CF) حاليًا من أفضل الأداء بين نظيراتها. ومع ذلك، فإن بعضها فقط، مثل KCF~\cite{henriques15} و MKCF~\cite{tangm15}، قادرة على الاستفادة من تمييز النوى غير الخطية القوي. رغم أن MKCF يحقق تمييزًا أقوى من KCF من خلال إدخال تعلم النوى المتعددة (MKL) إلى KCF، فإن تحسينه على KCF محدود للغاية ويزداد العبء الحسابي له بشكل كبير بالمقارنة مع KCF. في هذا البحث، سنقوم بدمج MKL في KCF بطريقة مختلفة عن MKCF. نعيد صياغة دالة الهدف للمرشحات ذات الارتباط بنسختها التي تعتمد على MKL باستخدام حدّها العلوي، مما يخفف بشكل كبير التداخل السلبي بين النوى المختلفة. يتخطى متابِّعنا الجديد MKCFup كلاً من KCF و MKCF بمargins كبيرة ويمكنه العمل بسرعة إطارية عالية جدًا. تظهر التجارب الواسعة التي أجريت على مجموعات بيانات عامة أن طريقتنا تتفوق على الخوارزميات الرائدة لتحديد الأهداف المتحركة بسرعات عالية جدًا ولكن بحركة صغيرة.ملاحظة: تم استخدام المصطلح "margins" كما هو دون ترجمته لأنه قد يكون مصطلحًا تقنيًا متخصصًا في هذا السياق. إذا كان هناك مصطلح عربي أكثر شيوعًا أو دقةً، يمكن استبداله به.